清晨好,您是今天最早来到科研通的研友!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您科研之路漫漫前行!

LF-YOLO: A Lighter and Faster YOLO for Weld Defect Detection of X-Ray Image

特征(语言学) 编码(集合论) 计算机科学 卷积(计算机科学) 人工智能 特征提取 模式识别(心理学) 图像(数学) 焊接 卷积神经网络 人工神经网络 计算机视觉 工程类 机械工程 哲学 集合(抽象数据类型) 程序设计语言 语言学
作者
Moyun Liu,Youping Chen,Jingming Xie,Lei He,Yang Zhang
出处
期刊:IEEE Sensors Journal [Institute of Electrical and Electronics Engineers]
卷期号:23 (7): 7430-7439 被引量:38
标识
DOI:10.1109/jsen.2023.3247006
摘要

X-ray image plays an important role in manufacturing industry for quality assurance, because it can reflect the internal condition of weld region. However, the shape and scale of different defect types vary greatly, which makes it challenging for model to detect weld defects. In this article, we propose a weld defect detection method based on convolution neural network (CNN), namely, lighter and faster YOLO (LF-YOLO). In particular, a reinforced multiscale feature (RMF) module is designed to implement both parameter-based and parameter-free multiscale information extracting operations. RMF enables the extracted feature map to represent more plentiful information, which is achieved by a superior hierarchical fusion structure. To improve the performance of detection network, we propose an efficient feature extraction (EFE) module. EFE processes input data with extremely low consumption and improves the practicability of whole network in actual industry. Experimental results show that our weld defect detection network achieves satisfactory balance between performance and consumption and reaches 92.9 mean average precision (mAP50) with 61.5 frames/s. To further prove the ability of our method, we test it on the public dataset MS COCO, and the results show that our LF-YOLO has an outstanding versatility detection performance. The code is available at https://github.com/lmomoy/LF-YOLO .
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
pupu完成签到,获得积分20
42秒前
xaopng完成签到,获得积分10
1分钟前
慎独发布了新的文献求助10
1分钟前
jerry完成签到 ,获得积分10
1分钟前
creep2020完成签到,获得积分10
1分钟前
慎独完成签到,获得积分10
1分钟前
zly完成签到 ,获得积分10
2分钟前
theo完成签到 ,获得积分10
2分钟前
zhangguo完成签到 ,获得积分10
3分钟前
还单身的绝山完成签到 ,获得积分10
3分钟前
3分钟前
wendyhuang发布了新的文献求助10
3分钟前
wendyhuang完成签到,获得积分10
4分钟前
可夫司机完成签到 ,获得积分10
4分钟前
川藏客完成签到 ,获得积分10
4分钟前
4分钟前
HuiHui完成签到,获得积分10
4分钟前
江文发布了新的文献求助10
4分钟前
大模型应助江文采纳,获得10
5分钟前
MOF完成签到 ,获得积分10
5分钟前
伍仨仨完成签到,获得积分10
5分钟前
搜集达人应助加贝采纳,获得10
5分钟前
捉迷藏完成签到,获得积分10
5分钟前
小强完成签到 ,获得积分10
6分钟前
7分钟前
白萝卜发布了新的文献求助30
7分钟前
dreamwalk完成签到 ,获得积分10
7分钟前
若眠完成签到 ,获得积分10
8分钟前
hhuzk完成签到,获得积分10
9分钟前
默默孱完成签到 ,获得积分10
9分钟前
包容新蕾完成签到 ,获得积分10
10分钟前
jasmine完成签到 ,获得积分10
10分钟前
xz完成签到 ,获得积分10
10分钟前
小杨完成签到 ,获得积分10
11分钟前
张琦完成签到 ,获得积分10
11分钟前
tyj完成签到,获得积分10
12分钟前
DrCuiTianjin完成签到 ,获得积分10
12分钟前
korchid完成签到,获得积分20
12分钟前
korchid发布了新的文献求助10
12分钟前
vbnn完成签到 ,获得积分10
13分钟前
高分求助中
Spray / Wall-interaction Modelling by Dimensionless Data Analysis 2000
Write Like a Chemist: A Guide and Resource (第二版) 600
Mixed-anion Compounds 600
A new species of Velataspis (Hemiptera Coccoidea Diaspididae) from tea in Assam 500
Earth System Geophysics 500
Aspects of Babylonian celestial divination: the lunar eclipse tablets of Enūma Anu Enlil 500
Geochemistry, 2nd Edition 地球化学经典教科书第二版 401
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3200790
求助须知:如何正确求助?哪些是违规求助? 2850555
关于积分的说明 8072275
捐赠科研通 2514285
什么是DOI,文献DOI怎么找? 1347031
科研通“疑难数据库(出版商)”最低求助积分说明 640305
邀请新用户注册赠送积分活动 610509